
Escolha pelo lugar onde sua documentação vive e onde as perguntas chegam. Já está no Mintlify, GitBook, ReadMe ou Fern? Ative o assistente nativo, mas confira o plano: o chat geralmente fica num nível pago (o Mintlify Pro custa $450/mo cobrado anualmente). No Docusaurus, MkDocs ou um site próprio, adicione um overlay como Kapa.ai ou Inkeep em vez de migrar. Se os tickets se acumulam no Zendesk ou Freshdesk, coloque a IA ali: o eesel aprende com sua documentação e tickets passados, responde em um balão de chat, redige respostas do helpdesk e transfere com um resumo quando a documentação não é suficiente.
Por que os desenvolvedores continuam perguntando o que sua documentação já responde
Sou engenheiro de software e passei dois anos em SEO, então leio consultas de busca para viver. A frase "assistente de IA para documentação de desenvolvedores" quase nunca vem de alguém comprando um chatbot. Vem de um líder de suporte ou responsável pela documentação com uma dor bem específica: desenvolvedores continuam abrindo tickets por coisas que a documentação já cobre, e ninguém quer passar outro trimestre reescrevendo a arquitetura de informação.
Quando coloquei exatamente essa situação para o ChatGPT, ele voltou com três caminhos (adicionar um assistente sobre sua documentação, trocar para uma plataforma de documentação com IA, ou construir seu próprio RAG) e um conselho com o qual concordo: não migre um site de documentação grande só para ter um chatbot. O resto deste post coloca números nesse conselho.
A outra coisa que aprendi do lado do eesel é que o pior dia de um bot de documentação é o dia em que a documentação não tem a resposta. Já vi bots em contas de clientes pagantes inventarem respostas quando a base de conhecimento não retornava nada relevante, e é por isso que toda implantação do eesel agora é testada com perguntas reais passadas antes de ir ao ar.
Com a CLI do eesel, um agente de código como o Claude Code pode fazer esse preparo por você: execute npx @eesel/cli init chat-bubble --site https://your-site.com, aponte o crawl para sua documentação com eesel integrations connect website --url, envie Markdown exportado com eesel files upload, e depois dispare perguntas de teste com eesel chat e leia as respostas antes de qualquer coisa ir ao ar. Conectar o Zendesk ou Freshdesk em si ainda precisa de alguém com acesso de admin.
O que um assistente de IA para documentação de desenvolvedores realmente faz?
Um assistente de IA para documentação de desenvolvedores responde à pergunta de um desenvolvedor em linguagem simples usando só sua documentação, e mostra de quais páginas a resposta veio. Por baixo dos panos é recuperação de informação (retrieval): a ferramenta indexa suas páginas (e muitas vezes sua especificação OpenAPI), encontra as passagens que combinam com a pergunta, e faz um modelo escrever uma resposta a partir dessas passagens. Se você quiser a versão mais longa, minha explicação sobre RAG versus um LLM simples cobre por que o grounding importa.
As boas fazem cinco coisas, e é nas duas últimas que as ferramentas mais se diferenciam:
- Respostas fundamentadas. As respostas vêm da sua documentação publicada, não da memória do modelo.
- Citações. Cada resposta vincula as páginas que usou, para que um desenvolvedor possa checar a fonte.
- Um fallback honesto. Quando a documentação não cobre, o assistente diz isso em vez de adivinhar.
- Uma transferência. Ele abre um ticket ou e-mail com a conversa anexada, para que ninguém precise se repetir.
- Um relatório de lacunas. Ele lista as perguntas que não conseguiu responder, o que diz aos seus redatores de documentação o que corrigir a seguir.

Por que os pontos 3 a 5 importam tanto? Porque até um bot de documentação mediano é útil, e os desenvolvedores dizem isso:
"I can tell you even a half assed AI chatbot is a huge improvement over the pre-AI state of things for this use case."
Mas a falha é específica e cara. Um engenheiro descreveu o que aconteceu com o próprio bot:
"We (others at company, not me) hit this problem, and not with chatgpt but with our own AI chatbot that was doing RAG on our docs. It was occasionally hallucinating a flag that didn't exist. So it was considered as product feedback. Maybe that exact flag wasn't needed, but something was missing and so the LLM hallucinated what it saw as an intuitive option."
Uma flag de CLI alucinada é a versão de documentação para desenvolvedores de uma política de reembolso errada. Desperdiça uma tarde e corrói a confiança na própria documentação. A solução não é um modelo mais inteligente. É um fallback que admite a lacuna, uma transferência, e um relatório que transforma a lacuna em uma correção de documentação. Meu guia sobre prevenção de alucinações de IA entra mais a fundo nas salvaguardas.
Você precisa mudar sua documentação para ter um?
Não, e essa é a primeira decisão que molda sua lista de opções. Existem quatro caminhos, e qual se encaixa depende sobretudo de onde sua documentação está hospedada hoje:
- Assistente nativo. Mintlify, GitBook, ReadMe, Fern e Document360 entregam cada um um assistente, mas ele só responde a partir de documentação hospedada naquela plataforma. Ótimo se você já está ali. Uma migração grande se não estiver.
- Widget sobreposto. Kapa.ai, Inkeep, DocsBot e Algolia Ask AI se instalam sobre qualquer site de documentação. O widget do Kapa.ai é "uma tag de script", e tanto Kapa.ai quanto DocsBot publicam guias para Docusaurus.
- Agente do lado do suporte. Uma IA que vive onde os tickets chegam (Zendesk, Freshdesk) e aprende com sua documentação e tickets passados. É aqui que o eesel se posiciona.
- Feito por você. Uma API de recuperação como o OpenAI File Search mais sua própria interface, sincronização e transferência.

A segunda decisão é onde as perguntas realmente aparecem. Desenvolvedores não perguntam só na página de documentação. Eles mandam e-mail para o suporte, postam na sua comunidade de Slack ou Discord, e cada vez mais perguntam ao próprio agente de código, que lê a documentação via um servidor MCP ou llms.txt. Um assistente que só vive em um widget de documentação perde três dessas quatro portas.

Então, para cada ferramenta abaixo, verifiquei três coisas: se funciona com qualquer host de documentação, se vai além da página de documentação (Slack, Discord, helpdesk, MCP), e o que faz quando a documentação não é suficiente. Se seu time também está construindo uma base de conhecimento com IA mais ampla, as mesmas três perguntas se aplicam.
As 10 opções em resumo
Os preços vêm da página de preços de cada fornecedor em novembro de 2026. "Não documentado" significa que não consegui encontrar nas próprias páginas do fornecedor, não que o recurso esteja faltando.
| Ferramenta | Tipo | Funciona com qualquer host de documentação? | Preço inicial do assistente de IA | Nível gratuito | Citações | Slack / Discord | Transferência para helpdesk | Servidor MCP | llms.txt | Análise de perguntas sem resposta | SOC 2 (segundo o fornecedor) |
|---|---|---|---|---|---|---|---|---|---|---|---|
| Kapa.ai | Overlay | Sim, tag de script + guias de instalação | Só sob consulta (Growth: "Get pricing") | Teste de 14 dias | Sim | Ambos | Botão de criar ticket; app de agente no Zendesk | Servidor MCP hospedado | Não documentado | Relatório Coverage Gaps | Certificado Type II |
| Inkeep | Overlay / construtor de agentes | Sim, widget em React ou JS | Só sob consulta (demo Enterprise) | Open Source, autoalojado | Citações inline | Slack e Discord no Enterprise | Zendesk / Salesforce no Enterprise | Sim | Não documentado | Relatórios de lacunas de conhecimento (Enterprise) | Certificado Type II |
| Mintlify Assistant | Nativo | Não, só hospedado no Mintlify | $450/mo (Pro, anual) | Plano gratuito, sem assistente | Sim | Não documentado | E-mail, central de ajuda, ticket Plain ou Zendesk | Autogerado, todos os planos | Autoalojado | Conversas sem resposta | Não documentado |
| GitBook AI Assistant | Nativo | Não, só hospedado no GitBook | $65/site/mês + $12/usuário (só Ask) | Plano gratuito, sem assistente | Lista de fontes | Assistente no Slack (Ultimate) | Não documentado | Autogerado, todos os planos | Autoalojado | AI Insights (Ultimate) | Não documentado |
| eesel | Lado do suporte | Sim, crawl + uploads | $299/mo por 500 créditos | Teste de 7 dias, 100 créditos | Vincula a página fonte | Não documentado | Ticket ou e-mail com resumo; rascunhos no helpdesk | Para seu agente de código (configuração) | Não lido pelo crawler | Não documentado | Auditoria Type II em andamento |
| ReadMe Ask AI | Nativo | Não, só hospedado no ReadMe | Add-on de $150/mo | Starter $0, sem Ask AI | Vincula páginas fonte | Não documentado | Não documentado | Hospedado, todos os planos | Incluído | Painel de perguntas (add-on) | Não documentado |
| Fern Ask Fern | Nativo | Não, só Fern Docs (nuvem) | $0 (250 créditos) | Sim | Sim | App do Slack | Não documentado | Autogerado | Autogerado | Veredictos Resolved / Unresolved | Não documentado |
| DocsBot | Overlay | Sim, script ou iframe | $49/mo (Personal) | 100 créditos/mês | Sim | App do Slack | Ticket de escalonamento (a partir do Standard) | Conexões MCP | Não documentado | Análise de perguntas (a partir do Standard) | Plano Enterprise |
| Algolia Ask AI | Overlay (busca) | Sim, adaptador de Docusaurus, JS, React | DocSearch gratuito se elegível; seus custos de LLM | Sim | Não documentado | Não documentado | Nenhuma encontrada | Seção de MCP na documentação | Não documentado | Não documentado | Não documentado |
| Document360 Eddy AI | Nativo + chatbot incorporável | O chatbot se incorpora em qualquer lugar; precisa de uma conta Document360 | Só sob consulta | Não documentado | Citações numeradas | Não documentado | Ticket para Zendesk, Freshdesk ou e-mail | Não verificado | Não verificado | Não documentado | Type II |
1. Kapa.ai
Melhor para: times de devtools no Docusaurus, MkDocs ou um site próprio que querem um widget de documentação mais Slack, Discord e Zendesk a partir de um só índice.

Como funciona
O Kapa.ai ingere a partir de 24 conectores listados na sua documentação: um crawl web do seu site de documentação, esquemas OpenAPI 2.x e 3.x, código do GitHub, issues, discussões e pull requests, Slack, Discord, Discourse, Stack Overflow, tickets do Zendesk, Confluence, Notion e mais. Depois você implanta o mesmo agente como widget de site, bot de Slack ou Discord, app de agente no Zendesk que redige respostas no compositor, servidor MCP hospedado, ou via sua Chat API. No Docusaurus, o widget é uma entrada de script em docusaurus.config.js com seu data-website-id.
O que gostei
A lista de fontes é a mais orientada a desenvolvedores de tudo o que vi aqui: esquemas OpenAPI e issues do GitHub são exatamente onde vivem as respostas para "por que esse endpoint retorna 400". O relatório Coverage Gaps mostra "temas em que o Kapa não consegue responder de forma conclusiva", e o widget tem um botão Create ticket que envia por e-mail a transcrição completa com o Reply-To configurado para o usuário. Ele chega às quatro portas a partir de um só índice. Minha comparação Kapa vs Inkeep entra na sobreposição.
Fique atento a
Sem preço público. Starter é um teste de 14 dias, Growth é "Get pricing", e fontes privadas e a ingestão de tickets passados ficam no Growth. A transferência vem desligada até você configurar. Os dados ficam armazenados por padrão no Google Cloud baseado nos EUA, e hospedagem na UE é um recurso Enterprise.
Preços
| Plano | Preço | O que está incluído |
|---|---|---|
| Starter | Gratuito por 14 dias | Documentação pública, sites, GitHub, relatórios de lacunas de conhecimento |
| Growth | Sob consulta ("Get pricing") | Adiciona fontes privadas, tickets passados, sincronização contínua, mascaramento de PII |
| Enterprise | Falar com vendas | Adiciona SSO/SCIM, hospedagem regional, SLA |
Veredito: a escolha padrão para um devtool com documentação fora da plataforma e uma comunidade ativa. Reserve verba para uma chamada de vendas, e veja alternativas ao Kapa.ai se a cotação pesar.
2. Inkeep
Melhor para: times de engenharia que querem construir seu próprio agente de documentação em código, ou empresas que querem que o time do Inkeep o opere por elas.

Como funciona
O Inkeep agora se posiciona como um "No-Code + Code Agent Builder", e o assistente de documentação é um caso de uso dessa plataforma. Você expõe agentes por meio de componentes de chat em React (@inkeep/agents-ui-cloud), um servidor MCP, uma API no formato Vercel AI SDK, ou integrações com Slack, Discord, Zendesk e Salesforce no Enterprise. As respostas trazem citações inline em ambos os níveis.
O que gostei
Os relatórios de lacunas têm fãs de verdade. Um cliente no Hacker News, que diz não ser afiliado, descreveu assim:
"The tool we use for our docs AI answers lets you mine that data for feature requests. It generates a report of what it didn't have answers for and summarizes them as potential feature gaps."
Esse é o ciclo de feedback que eu gostaria de ter. O nível Open Source é gratuito para sempre e pode ser autoalojado, o que serve bem a um time que quer ser dono do código do agente.
Fique atento a
O nível gratuito não ingere sua documentação por você: o RAG gerenciado, as integrações com Slack e suporte, e os relatórios de lacunas são todos só Enterprise, e Enterprise só tem preço por demo. Não encontrei uma transferência humana documentada nas páginas que li. Minha análise do Inkeep tem mais detalhes, e a lista de alternativas ao Inkeep cobre outras opções.
Preços
| Plano | Preço | O que está incluído |
|---|---|---|
| Open Source | Gratuito (fair-code, autoalojado) | Construtor visual, SDK TypeScript, MCP, biblioteca de UI de chat, citações |
| Enterprise | Sob consulta ("Schedule a Demo") | RAG gerenciado, plataformas de Slack e suporte, relatórios de lacunas, SSO, um forward deployed engineer |
Veredito: escolha se você quer controle total do código ou uma implantação Enterprise com atendimento dedicado. Deixe de lado se você quer um widget de documentação de autosserviço ainda essa semana.
3. Mintlify Assistant
Melhor para: times que já hospedam sua documentação no Mintlify e querem o assistente nativo mais integrado, com conhecimento da especificação de API.

Como funciona
O assistente é um chat no seu site de documentação do Mintlify que responde a partir das suas páginas publicadas e da sua especificação OpenAPI (métodos, parâmetros, corpos de requisição, esquemas de resposta). Ele sabe em que página o leitor está, aceita texto destacado, blocos de código e arquivos, e cita as páginas que usou. O conteúdo é reindexado logo após a publicação, e usuários logados só recebem respostas de páginas às quais têm acesso.
O que gostei
O Mintlify pensou mais do que qualquer outro no fallback. Se o assistente não encontra a resposta, ele diz isso em vez de adivinhar, perguntas sem resposta não são cobradas, e uma lista de Conversas sem resposta mostra cada uma que ele perdeu. Você pode rotear essas perguntas para seu time por e-mail, sua central de ajuda, ou um ticket no Plain ou Zendesk. Todo site Mintlify também recebe um servidor MCP autogerado em /mcp e um llms.txt sempre atualizado, mesmo no plano gratuito.
Fique atento a
O assistente precisa do Pro a $450/mo cobrado anualmente ($540 mensal). Os 10.000 créditos do Pro são compartilhados em toda a organização, incluindo o Autopilot, e a 25 créditos por resposta isso são 400 respostas antes do excedente. O excedente vem desligado por padrão, então o assistente apaga quando os créditos acabam. Instruções personalizadas e fontes externas são só Enterprise. E ele só responde a partir de documentação hospedada no Mintlify.
Preços
| Plano | Preço | Assistente |
|---|---|---|
| Free | $0/mo, 5 editores | Não incluído (o servidor MCP está) |
| Pro | $450/mo anual, $540/mo mensal | Incluído; 10.000 créditos compartilhados, 25 por resposta, $0.01/crédito de excedente |
| Enterprise | Falar com vendas | Adiciona modelo próprio, personalização, fontes externas |
Veredito: se você já está no Mintlify Pro, ative-o hoje. Se não está no Mintlify, não migre só por isso.
4. GitBook AI Assistant
Melhor para: times do GitBook que querem respostas na caixa de busca por pouco e chat completo mais embed no plano superior.

Como funciona
O GitBook oferece dois posicionamentos: Ask, que mostra respostas inline ao lado dos resultados por palavra-chave na caixa de busca, e Chat, um assistente completo na barra lateral. Ele usa recuperação agêntica sobre a página atual, páginas que o leitor já visitou e conversas anteriores. Por meio de "Connections" ele também pode trazer issues do GitHub, conversas do Slack ou Discord e centrais de ajuda externas, e o Docs Embed coloca o assistente dentro do seu produto.
O que gostei
Você só paga por respostas relevantes: 20 créditos por pergunta relevante. Cada site publicado recebe um servidor MCP em /~gitbook/mcp que funciona com Claude Code, Cursor e Codex, mais llms.txt e versões em Markdown das páginas, tudo no plano gratuito. O AI Insights mostra como o assistente respondeu, para que você detecte lacunas de conhecimento. Meu detalhamento dos preços do GitBook tem todos os detalhes dos planos.
Fique atento a
Chat e embed precisam do Ultimate a $249/site/mês mais $12 por usuário; o Essential só recebe o Ask da caixa de busca. Mudanças de índice podem levar até uma hora. O conteúdo é passado para a OpenAI para indexação (o GitBook diz que a OpenAI não treina com ele). Uma transferência para um humano não está documentada nas páginas que li, e o assistente não consegue responder entre sites publicados separadamente.
Preços
| Plano | Preço (anual) | Assistente de IA | Créditos/mês |
|---|---|---|---|
| Free | $0 | Nenhum (só MCP, llms.txt) | Nenhum |
| Essential | $65/site + $12/usuário | Ask (caixa de busca) | 2.000 (cerca de 100 perguntas) |
| Ultimate | $249/site + $12/usuário | Chat, embed, insights, Slack | 10.000 (cerca de 500 perguntas) |
| Enterprise | Personalizado | Tudo do Ultimate | Personalizado |
Veredito: um preço justo no Essential se respostas na caixa de busca forem suficientes. Para chat com embed, compare o Ultimate com alternativas ao GitBook antes de se comprometer.
5. eesel
Melhor para: times cujas perguntas de documentação acabam como tickets no Zendesk ou Freshdesk, e que querem uma só IA respondendo no balão de chat e dentro do helpdesk.

Como funciona
O eesel não é, antes de mais nada, um host de documentação nem um widget de busca de documentação. É um colega de equipe de IA de helpdesk que aprende com sua documentação e seu histórico de suporte. Ele faz crawl do seu site de documentação (até 2.000 páginas por crawl, com filtros de caminho para incluir e excluir, e cabeçalhos personalizados para documentação protegida), aceita Markdown e PDFs enviados, e se conecta ao Google Drive, Notion, Confluence e helpdesks como Zendesk e Freshdesk, incluindo tickets passados. As respostas vinculam de volta à página de onde vieram.
A partir daí ele trabalha duas portas ao mesmo tempo. No seu site de documentação, o balão de chat é um único script assíncrono. No helpdesk, ele redige ou envia respostas em tickets novos. Quando não consegue responder, ele transfere para o Zendesk Messenger ou Freshchat, ou cria um ticket ou e-mail que "inclui o e-mail do visitante, um resumo da conversa, e uma etiqueta de transferência".
Veja como isso funciona na prática. A Timengo, que fabrica software de e-mail seguro para administradores de TI, usa o eesel no Freshdesk. Ele aprende com o site de documentação de produto da Timengo e cerca de 5.300 tickets e artigos de ajuda passados, e entre 8 de agosto e 8 de setembro de 2026 ele preparou 300 tickets e escreveu 180 rascunhos de resposta para engenheiros revisarem. A Timengo refaz o crawl da sua documentação toda segunda-feira segundo uma programação que ela mesma configurou.
O que gostei
Ele encontra os desenvolvedores no helpdesk, exatamente onde uma pergunta de documentação sem resposta se transforma em custo. Uma empresa de automação industrial o usa como um chat que só responde a partir da sua biblioteca técnica, vincula o guia e a seção fonte, e diz claramente quando não tem nada. Um resumo periódico de respostas mal avaliadas e lacunas vai para o time de documentação, e agora chegam ao chat bem mais do que o dobro de perguntas que chegam à mesa de suporte. Esse é o relatório de lacunas de antes, funcionando.
Fique atento a
Não há conector de GitHub nem importação de OpenAPI, então a documentação de repositórios entra via crawl do seu site publicado ou uploads .md, e arquivos de código não são um tipo de upload suportado. O crawl do site não roda de novo automaticamente; você salva a integração de novo para atualizá-lo. O crawler não lê llms.txt. O servidor MCP do eesel deixa seu agente de código configurar e testar o agente; ele não expõe sua documentação para os usuários finais. E o eesel ainda não é certificado SOC 2; a auditoria Type II está em andamento.
Preços
| Plano | Preço | Notas |
|---|---|---|
| Free | $0 | 100 créditos por 7 dias, todos os recursos |
| 500 créditos | $299/mo | 1 crédito = 1 chat ou 1 ticket |
| 1.500 créditos | $699/mo | |
| 5.000 créditos | $1,749/mo | Mais via vendas |
| Créditos extra | $0.80 cada | Até um limite que você define |
Veredito: a escolha quando tickets são o problema e eles caem no Zendesk ou Freshdesk. Se você só quer um widget em um site de documentação sem helpdesk envolvido, Kapa.ai ou um assistente nativo é mais focado. Os planos completos estão em preços do eesel.
6. ReadMe Ask AI
Melhor para: hubs do ReadMe que querem um assistente de preço fixo com escolha de modelo.

Como funciona
O Ask AI aparece em cada página do seu hub do ReadMe e responde a partir da sua documentação publicada com links para as páginas fonte. Você escolhe o tom, o tamanho das respostas, temas proibidos, perguntas de exemplo, e o modelo (OpenAI, Anthropic ou Google Gemini), e pode adicionar até 100.000 caracteres de conhecimento personalizado que não está na documentação.
O que gostei
O preço é fixo: um add-on de $150/mo, sem limite de mensagens declarado na página de preços. Escolha de modelo é rara nesse grupo. Cada projeto também recebe um servidor MCP hospedado em /mcp e llms.txt. Meu artigo sobre preços do ReadMe cobre os níveis de plano.
Fique atento a
O painel de analytics mantém logs por 60 dias, e exportação em CSV é só Enterprise. As ferramentas de busca de documentação do servidor MCP precisam do add-on "AI Booster Pack", e seu preço não estava na página que li. A API do Ask AI, que você precisaria para colocar o assistente fora do seu hub, é só Enterprise. Nenhuma transferência para suporte por contato é descrita.
Preços
| Plano | Preço | Ask AI |
|---|---|---|
| Starter | $0/mo | Add-on $150/mo |
| Pro | $250/mo anual | Ask AI Lite incluído (sem personalização ou analytics); add-on completo $150/mo |
| Enterprise | Falar com vendas | API do Ask AI disponível |
Veredito: a linha de orçamento mais simples aqui se você estiver no ReadMe. Planeje seu próprio caminho de transferência, porque o assistente não vai abrir um ticket para você.
7. Fern Ask Fern
Melhor para: times API-first no Fern Docs que querem um início gratuito e um servidor MCP que seus usuários possam conectar ao Claude Code ou Cursor.

Como funciona
O Ask Fern é um painel lateral no seu site Fern Docs, movido por Claude 4.6 Sonnet e Claude 4.5 Haiku segundo a página da Fern. Você o ativa com um clique e ele reindexa em alguns minutos. As respostas trazem citações e são filtradas por versão, produto e papel. Você pode adicionar fontes extras, incluindo uma Documents API para conteúdo não público como resumos de tickets de suporte.
O que gostei
O analytics dá a cada conversa um veredito Resolved ou Unresolved, então filtrar por Unresolved te dá uma lista de tarefas para a documentação. Existe um app de Slack para clientes, um servidor MCP autogerado com botões de um clique "Connect to Claude Code / Cursor", e llms.txt de fábrica. E começa gratuito.
Fique atento a
Os 250 créditos do plano gratuito cobrem cerca de 125 mensagens, já que cada mensagem custa 2 créditos. Não consegui encontrar um nível pago de autosserviço nem o que acontece quando os créditos acabam; o próximo passo é Enterprise. O widget de busca incorporável precisa de um site Fern Docs hospedado na nuvem, e um Fern autoalojado não inclui o Ask Fern. Uma transferência humana não é descrita.
Preços
| Plano | Preço | IA |
|---|---|---|
| Free | $0/mo | 250 créditos de IA (cerca de 125 mensagens do Ask Fern), MCP, llms.txt |
| Enterprise | Personalizado | Créditos personalizados, exportações de analytics, autoalojamento |
Veredito: um teste sem risco se você estiver na Fern. Qualquer tráfego real significa uma conversa Enterprise.
8. DocsBot
Melhor para: times menores que querem um preço público, um guia para Docusaurus e escalonamento de ticket sem uma chamada de vendas.

Como funciona
O DocsBot treina com um crawl de site, sitemap, repositórios de código do GitHub, Notion, Confluence, Google Drive, e tickets do Zendesk, Freshdesk ou Help Scout, entre outros. Você implanta um widget flutuante ou iframe, e no Docusaurus v3 o guia faz você injetar o embed pelo injectHtmlTags de um pequeno plugin local. A API retorna uma resposta mais fontes com títulos e URLs.
O que gostei
Tudo está na página de preços, com uma garantia de reembolso de 14 dias. Tickets de escalonamento, um app de Slack e uma API fazem dele mais que um widget. Meu artigo sobre preços do DocsBot percorre as contas de créditos.
Fique atento a
Não há conector de OpenAPI no índice de documentação. O Personal te limita a 5.000 páginas fonte, o que coleções grandes de documentação podem atingir. Tickets de escalonamento começam no Standard, remover a marca precisa do Business, e SOC 2, HIPAA e SSO estão listados no Enterprise.
Preços
| Plano | Preço/mês | Páginas fonte | Créditos de IA/mês |
|---|---|---|---|
| Free | $0 | 50 | 100 |
| Personal | $49 | 5.000 | 5.000 |
| Standard | $149 | 15.000 | 15.000 |
| Business | $499 | 100.000 | 60.000 |
| Enterprise | Personalizado | Personalizado | Personalizado |
Veredito: o melhor overlay em custo-benefício com preço público. Vá de Standard se quiser escalonamento, e confira as alternativas ao DocsBot se você crescer além dele.
9. Algolia Ask AI (DocSearch)
Melhor para: times do Docusaurus que já usam o DocSearch e querem trazer seu próprio modelo.

Como funciona
O Docusaurus tem suporte de primeira classe para o Algolia DocSearch, que faz crawl da sua documentação para um índice Algolia. O Ask AI adiciona respostas conversacionais a partir desse índice, operadas por um assistente do Agent Studio que você configura com seu próprio provedor de LLM (OpenAI, Gemini, Azure ou qualquer API compatível com OpenAI). A instalação é npm install @docsearch/docusaurus-adapter@^5, com uma configuração askAi apontando para seu ID de assistente.
O que gostei
É o caminho nativo do Docusaurus. O DocSearch é gratuito para documentação pública de desenvolvedores elegível, e a própria documentação do Docusaurus diz que o Ask AI não tem custo extra além do uso do seu provedor de LLM. Você mantém a busca por palavra-chave e adiciona respostas de IA no mesmo modal, mais um painel lateral de IA.
Fique atento a
Você está construindo mais do que comprando: o Agent Studio é um kit de ferramentas, e citações, analytics e uma transferência humana não estavam documentadas nas páginas que li. Cada requisição de busca do agente conta no seu uso de busca da Algolia. O adaptador precisa de Node 20+, Docusaurus 3.10.2+ e React 18 ou 19, e o link "Search by Algolia" precisa continuar lá.
Preços
| Item | Preço |
|---|---|
| DocSearch (documentação pública elegível) | Gratuito; aplicar e verificar seu domínio |
| Plano gratuito da Algolia | $0/mo, 10 mil requisições de busca |
| Agent Studio | Listado na tabela de planos sem um número público |
| Tokens de LLM | Cobrados pelo seu provedor de modelo |
Veredito: ótimo se você está no Docusaurus e confortável em ser dono do modelo e do prompt. Não é um canal de suporte, então combine com algo que cuide da transferência.
10. Document360 Eddy AI
Melhor para: times que querem uma plataforma de base de conhecimento com um chatbot que também pode escalar para Zendesk ou Freshdesk.

Como funciona
O Eddy AI vem em duas formas. O Ask Eddy AI responde dentro da sua base de conhecimento do Document360, e o Eddy AI Chatbot é treinado no seu conteúdo e pode ser incorporado em qualquer site. O chatbot busca na sua base de conhecimento, um crawl de site, arquivos (incluindo Markdown), FAQs, e tickets do Zendesk ou Freshdesk, e coloca citações numeradas em cada resposta.
O que gostei
Ele tem uma transferência de verdade: depois de um número fixo de respostas, usuários podem abrir um ticket para Zendesk, Freshdesk ou e-mail, pré-preenchido com a transcrição e um assunto e descrição escritos por IA. Há um playground para testar antes de publicar. A página de preços lista SOC 2 Type II e ISO 27001:2022. Meu artigo sobre alternativas ao Document360 Eddy AI cobre ferramentas parecidas.
Fique atento a
O preço é sob consulta, com o uso de IA sendo um dos fatores de preço. Cada chatbot recebe 40 MB de armazenamento entre todas as fontes por padrão, e só um chatbot pode estar ativo por domínio. Os créditos do Ask Eddy AI são gastos um por pergunta, e quando acabam o botão fica cinza até o mês renovar. Não consegui verificar o suporte dele a MCP ou llms.txt.
Preços
| Item | Preço |
|---|---|
| Planos | Só sob consulta, com base em contas, workspaces, idiomas e uso de IA |
| Ask Eddy AI | 1 crédito por pergunta, limite mensal |
| Ask Eddy AI API | Add-on |
Veredito: mais forte quando você usaria o Document360 como sua base de conhecimento de todo jeito. Veja preços do Document360 antes da chamada de vendas.
E construir o seu próprio com o OpenAI File Search?
Você pode, e as peças são baratas. O File Search da OpenAI é uma ferramenta hospedada na Responses API: você cria um vector store, envia sua documentação, e passa o ID do store em tools. As respostas voltam com anotações file_citation apontando para os arquivos usados.

O armazenamento custa $0.10 por GB por dia após o primeiro GB gratuito, e chamadas de ferramenta custam $2.50 por 1.000, mais os tokens do modelo. A maioria das coleções de documentação fica bem abaixo de 1 GB, então armazenamento é quase gratuito e 1.500 perguntas por mês ficam em cerca de $3.75 em chamadas de ferramenta. Meu guia sobre a API de Files da OpenAI cobre o envio de arquivos.
O que você não ganha é tudo que envolve a recuperação de informação: uma interface de chat, um crawler que mantém a documentação atualizada (você reenvia os arquivos), avaliações, um fallback, uma transferência, e um relatório de lacunas. O fundador do Kapa.ai falou isso sem rodeios no Hacker News, admitindo logo de cara seu viés: a recuperação de informação é "super sensível a como você divide e processa (chunk/parse) a documentação", e a solução são avaliações, muitas. Se você tem um engenheiro que quer cuidar disso, meu passo a passo de uma pipeline de RAG de suporte é um bom começo. Se não, compre pronto.
Quanto custa um assistente de IA de documentação?
Aqui está um comprador: uma empresa de devtools cuja documentação recebe cerca de 1.500 perguntas por mês. Precifiquei cada ferramenta usando só seus próprios números publicados. As contas são minhas.
| Ferramenta | Custo mensal para ~1.500 perguntas | Como chego nesse número |
|---|---|---|
| OpenAI File Search (feito por você) | cerca de $4 + tokens + engenharia | 1.500 x $2.50/1.000 chamadas |
| DocsBot Standard | $149 | 15.000 créditos cobrem 1.500 mensagens a 1x; Standard necessário para escalonamento |
| ReadMe Ask AI | $150 (no Starter) | Add-on fixo, sem limite declarado |
| GitBook Ultimate | cerca de $460 | $249 site + $36 por 3 editores; 1.500 x 20 = 30.000 créditos, 10.000 incluídos, 20.000 mais via os pacotes de 15.000 ($127.50) e 5.000 ($47.50), assumindo que os pacotes se acumulam |
| eesel | $699 | Plano de 1.500 créditos; 1 crédito por chat ou ticket |
| Mintlify Pro | cerca de $725 (cobrança anual) | $450 + (1.500 x 25 = 37.500 créditos, menos 10.000 incluídos) x $0.01 = $275 de excedente, se nada mais usar créditos |
| Fern | Cotação Enterprise | Free cobre cerca de 125 mensagens |
| Kapa.ai, Inkeep, Document360 | Só sob consulta | Sem preço público |
O preço de tabela é a decisão menor. GitBook e Mintlify só cobram por perguntas respondidas, o eesel conta cada chat ou ticket, e o ReadMe é fixo. O que realmente move o total é se a ferramenta reduz os tickets que seus engenheiros respondem na mão. Minha explicação sobre a taxa de desvio mostra como medir isso.
Como implantar um sem que ele invente coisas?
O ceticismo aqui é merecido, e os desenvolvedores dizem isso:
"I've used plenty of AI tools and models, local and paid, agents and chatbots, and the hallucination problem is a huge roadblock every time."
E eles são igualmente diretos sobre bots que terminam em beco sem saída:
"I want open documentation so I can ask AI if I want or ask human support if it's not resolvable with available documentation. All my interactions with any AI support so far is repeatedly saying "call human" until it calls human"
Aqui está a implantação que eu faria, qualquer que seja a ferramenta escolhida:
- Defina o escopo das fontes. Comece com documentação publicada, sua referência de API e artigos de ajuda aprovados. Deixe de fora rascunhos obsoletos e o Slack interno até que o básico funcione. Páginas antigas são o caminho mais rápido para respostas erradas, então detecte conteúdo desatualizado primeiro.
- Abra as portas dos agentes. Garanta que sua documentação sirva
llms.txte, se seu host oferecer um, um servidor MCP, para que agentes de código leiam a documentação real em vez de adivinhar. Mintlify, GitBook, Fern e ReadMe te dão os dois. - Defina o fallback e a transferência. Decida o que o assistente diz quando a documentação não cobre uma pergunta, e para onde ele manda o desenvolvedor depois. Uma boa transferência abre o ticket com a transcrição anexada, e minhas notas sobre transferência de agente de IA cobrem o que o humano precisa ver.
- Teste com perguntas reais passadas antes do lançamento. Pegue 50 a 100 tickets recentes e passe-os pelo assistente. Esse é o passo que pega uma flag alucinada antes de um cliente, e é assim que funcionam os testes de simulação do eesel.
- Leia a lista de sem resposta toda semana. Trate-a como seu backlog de documentação. A SE Ranking opera o eesel sobre 16.800 páginas de conhecimento e faz ele enviar perguntas de API para um ticket de Tier 2 com evidências anexadas, em vez de adivinhar. Em um mês, o eesel respondeu primeiro 2.100 chats em tempo real. Meu guia sobre análise de lacunas de conhecimento no suporte mostra como transformar a lista em correções.
Teste o eesel na sua documentação de desenvolvedores
Se as perguntas dos seus desenvolvedores acabam no Zendesk ou Freshdesk, o eesel aprende com sua documentação e tickets passados, responde em um balão de chat no site de documentação, e redige respostas dentro do helpdesk, com um ticket e resumo quando a documentação não é suficiente. Você pode apontá-lo para a URL da sua documentação e fazer perguntas de teste em uma tarde. Testar o eesel.

Perguntas frequentes
Qual é o melhor assistente de IA para documentação de desenvolvedores?
Depende de onde sua documentação vive. Se está no Mintlify, GitBook, ReadMe ou Fern, o assistente nativo é o caminho mais curto. No Docusaurus, MkDocs ou um site próprio, um overlay como Kapa.ai ou Inkeep é a escolha mais comum. Se o custo real são tickets que caem no Zendesk ou Freshdesk, uma IA que trabalha dentro do helpdesk, como o eesel, ataca esse problema diretamente. Meu guia sobre IA para suporte a desenvolvedores cobre o panorama mais amplo.
Posso adicionar um assistente de IA a uma documentação no Docusaurus?
Sim. O Docusaurus suporta o Algolia DocSearch, cujo Ask AI responde com seu próprio provedor de LLM a partir do seu índice Algolia. Kapa.ai e DocsBot publicam guias de instalação para Docusaurus de seus widgets, e qualquer balão de chat baseado em script também funciona. Para o contexto de como essas ferramentas buscam, meu artigo sobre busca com IA na central de ajuda cobre isso.
Preciso mudar minha documentação para o Mintlify ou GitBook para ter um assistente de IA?
Não. Assistentes nativos só respondem a partir de documentação hospedada naquela plataforma, mas widgets sobrepostos (Kapa.ai, Inkeep, DocsBot, Algolia Ask AI) e agentes do lado do suporte como o eesel funcionam com documentação hospedada em qualquer lugar. Uma migração pode fazer sentido por outros motivos, não só para ter um chatbot. Se você está considerando uma mudança mesmo assim, minha lista de alternativas ao GitBook é um bom ponto de partida.
Quanto custa um assistente de IA para documentação?
Para cerca de 1.500 perguntas por mês, minhas contas a partir das páginas de preços dos fornecedores dão cerca de 150 $/mês para o ReadMe Ask AI, cerca de 460 $/mês no GitBook Ultimate com pacotes de créditos, cerca de 725 $/mês no Mintlify Pro com excedente, e 699 $/mês no plano de 1.500 créditos do eesel. Kapa.ai, Inkeep e Document360 são só sob consulta. Veja os preços do eesel para os planos de créditos atuais.
Como evito que um assistente de IA de documentação invente respostas?
Limite-o à sua documentação publicada e a fontes aprovadas, exija citações em cada resposta, defina um fallback honesto que diga que a documentação não cobre aquilo, e teste-o com perguntas reais passadas antes do lançamento. Depois leia toda semana a lista de perguntas sem resposta e corrija a documentação. Meu guia sobre como prevenir alucinações de IA percorre as verificações.
O que é llms.txt e meu site de documentação de desenvolvedores precisa de um?
llms.txt é uma convenção proposta: um arquivo Markdown na raiz do seu site com o nome do seu projeto, um resumo curto e listas de links que agentes de IA conseguem ler. Mintlify, GitBook, Fern e ReadMe geram isso automaticamente para você. Ajuda agentes de código a encontrar sua documentação, mas não substitui um assistente com citações e transferência. Minha explicação sobre o servidor MCP de agente de IA cobre a outra metade do acesso de agentes.
Um assistente de IA de documentação vai reduzir os tickets de suporte?
Pode, se as perguntas chegarem até ele. Muitas perguntas de desenvolvedores começam no helpdesk, no Slack ou com um agente de código, não na página de documentação, então coloque o assistente onde elas chegam, e dê a ele uma transferência limpa. Na SE Ranking, o eesel respondeu primeiro 2.100 chats em tempo real em um mês. Meu guia de desvio de tickets explica como medir isso.